கணக்கெடுப்பு வடிவமைப்பு மற்றும் அளவு தரவு பகுப்பாய்வு

ஆதாயங்கள்:

• கணக்கெடுப்பு கேள்விகளில் முன்னணி, இரட்டை மற்றும் தெளிவற்ற பொறிகளைக் கண்டறிந்து ஒவ்வொரு கேள்வியையும் ஒரு கருத்துடன் இணைக்கும் திறன்
• ஒரு நிரலில் உண்மையான புள்ளிவிவரக் கணக்கீடுகளைச் செய்யும் திறன் மற்றும் முறை தேர்வு மற்றும் விளக்கத்திற்கு மட்டுமே செயற்கை நுண்ணறிவைப் பயன்படுத்துதல்
• நடைமுறை முக்கியத்துவத்திலிருந்து புள்ளிவிவர முக்கியத்துவத்தை வேறுபடுத்தி, சோதனை அனுமானங்களை சரிபார்க்கும் திறன்

அளவு ஆராய்ச்சி என்பது சமூக நிகழ்வுகளை எண்களைக் கொண்டு அளந்து அவற்றைப் புள்ளிவிவரங்களைக் கொண்டு பகுப்பாய்வு செய்யும் அணுகுமுறை: இது எத்தனை பேர், எந்த விகிதத்தில், எந்தக் குழுக்களுக்கு இடையே என்ன வித்தியாசம் போன்ற கேள்விகளுக்கு விடை தேடுகிறது. இந்த அணுகுமுறைக்கான பொதுவான கருவி சர்வே ஆகும் - நிலையான கேள்விகளைப் பயன்படுத்தி அதிக எண்ணிக்கையிலான மக்களிடமிருந்து ஒப்பிடக்கூடிய தரவைச் சேகரிக்கும் முறை. ஒரு நல்ல கணக்கெடுப்பை அமைப்பதற்கும் உள்வரும் தரவை சரியாக பகுப்பாய்வு செய்வதற்கும் திறமை தேவை; ஒரு மோசமான கேள்வி ஆரம்பத்திலிருந்தே முடிவைக் கெடுத்துவிடும். இந்த யூனிட்டில், கணக்கெடுப்புக் கேள்விகளை வடிவமைக்கவும், அளவீடுகளை உருவாக்கவும் (மனப்பான்மையை மதிப்பிடும் பதில் விருப்பத்தேர்வுகள், எ.கா. "வலுவாக ஒப்புக்கொள்வது ... கடுமையாக உடன்படவில்லை") மற்றும் உள்வரும் தரவை பகுப்பாய்வு செய்வதற்கு AI ஐ எவ்வாறு பயன்படுத்துவது என்பதை நீங்கள் கற்றுக் கொள்வீர்கள்; ஆனால் நீங்கள் ஏன் புள்ளியியல் தீர்ப்பை தக்கவைக்க வேண்டும் என்பதை நீங்கள் அறிந்து கொள்வீர்கள்.

அளவு பகுப்பாய்வில் AI மிகவும் மதிப்புமிக்கது என்பது கணக்கீட்டில் இல்லை, ஆனால் கணக்கீட்டை எவ்வாறு செய்வது மற்றும் அதன் முடிவு என்ன என்பதை விளக்குகிறது. AI உங்களுக்கான பகுப்பாய்வுக் குறியீட்டை கோடிட்டுக் காட்டலாம் (எ.கா. ஆர் அல்லது பைத்தானில் இயங்குவதற்கான கட்டளைகள்), புள்ளியியல் சோதனையை எப்போது பயன்படுத்த வேண்டும் என்பதை எளிய மொழியில் விளக்கவும், வெளியீட்டை விளக்கவும் உதவும். ஆனால் AI உருவாக்கும் எண்களை "உங்கள் தலையின் மேல்" உரையில் ஒருபோதும் நம்ப வேண்டாம்: ஒரு மொழி மாதிரி ஒரு கால்குலேட்டர் அல்ல மேலும் தவறான சராசரி, சதவீதம் அல்லது p-மதிப்பை உருவாக்கலாம். உண்மையான கணக்கீடு ஒரு உண்மையான புள்ளிவிவர திட்டத்தில் செய்யப்படுகிறது.

படிப்படியாக: கணக்கெடுப்பு முதல் மதிப்பாய்வு வரை

1. ஒவ்வொரு கேள்வியையும் ஒரு கருத்துடன் இணைக்கவும். கணக்கெடுப்பில் நீங்கள் வைக்கும் ஒவ்வொரு கேள்வியும் உங்கள் ஆராய்ச்சி கேள்வியில் ஒரு கருத்தை அளவிட வேண்டும். "சுவாரஸ்யமாக இருக்கும்" என்பதற்காக கேள்விகளைச் சேர்க்க வேண்டாம். ஒரு அட்டவணையில் கருத்து-கேள்வி மேப்பிங்கைச் சரிபார்க்க AI உங்களுக்கு உதவுகிறது.

2. மோசமான கேள்விகளை களையுங்கள். முன்னணி ("இந்த சிறந்த சேவையில் நீங்கள் திருப்தியடைகிறீர்களா?"), இரட்டைக் கேள்வி ("சேவை வேகமாகவும் மலிவாகவும் இருந்ததா?"), தெளிவற்ற ("நீங்கள் அடிக்கடி விரும்புகிறீர்களா?") கேள்விகள் தரவை சிதைக்கும். உங்களின் வரைவுக் கணக்கெடுப்பில் இந்தக் குறைபாடுகளைக் கொடியிடுவதில் AI சிறப்பாக உள்ளது.

3. அளவை சீராக அமைக்கவும். நீங்கள் லைக்கர்ட் அளவை (5- அல்லது 7-புள்ளி ஒப்பந்த அளவுகோல்) பயன்படுத்துகிறீர்கள் எனில், கருத்துக்கணிப்பு முழுவதும் திசை மற்றும் மதிப்பீடுகளை சீராக வைத்திருங்கள். AI முரண்பாடுகளைப் பிடிக்கிறது.

4. தரவுகளை அழி. உள்வரும் தரவுகளில் விடுபட்ட பதில்கள், முரண்பாடுகள் அல்லது ஒரே நபரின் இரண்டு பதிவுகள் இருக்கலாம். AI தூய்மைப்படுத்தும் படிகள் மற்றும் வரைவுக் குறியீட்டை பட்டியலிடலாம்; நீங்கள் முடிவு செய்யுங்கள்.

5. சரியான சோதனையைத் தேர்ந்தெடுத்து அதை விளக்கவும். நீங்கள் இரண்டு குழுக்களை ஒப்பிடுகிறீர்களா, ஒரு உறவைத் தேடுகிறீர்களா? எந்த சோதனை பொருத்தமானது என்பதை AI விளக்குகிறது; நிரலில் சோதனையை இயக்குவதும், வெளியீட்டைப் படித்துப் புரிந்துகொள்வதும் உங்கள் வேலை.

கவனம்: AI யிடம் "இந்தத் தரவின் சராசரியைக் கணக்கிடு" என்று சொல்லாதீர்கள் மற்றும் அதன் விளைவாக வரும் எண்ணை நேரடியாக அறிக்கையில் எழுதுங்கள். மொழி மாதிரி எண்கணிதத்தில் பிழைகளை ஏற்படுத்துகிறது. கணக்கீட்டை விரிதாள் அல்லது புள்ளிவிவர திட்டத்தில் செய்ய வேண்டும்; AI ஐ அதன் முறை மற்றும் விளக்கத்திற்கு மட்டுமே பயன்படுத்தவும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - முன்னணி கேள்வி சரி செய்யப்பட்டது. ஒரு கணக்கெடுப்பு வரைவு "எங்கள் வெற்றிகரமான நகராட்சியின் போக்குவரத்து சேவையில் நீங்கள் எவ்வளவு திருப்தி அடைகிறீர்கள்?" அவரிடம் ஒரு கேள்வி இருந்தது. "வெற்றிகரமானது" என்ற பெயரடை பதிலை நேர்மறைக்கு தள்ளியது என்று AI குறிப்பிட்டது. "நகராட்சியின் போக்குவரத்து சேவையை நீங்கள் எவ்வாறு மதிப்பிடுகிறீர்கள்?" என்பது கேள்வி. நடுநிலைப்படுத்தப்பட்டது மற்றும் முடிவுகள் மிகவும் சமநிலையானவை.

வழக்கு 2 - AI தவறாகக் கணக்கிடப்பட்டது. ஒரு ஆராய்ச்சியாளர் AI இல் 300 வரி தரவுகளை உரையாக ஒட்டி "சராசரி வயதைக் கண்டுபிடி" என்றார்; YZ 34.2 என்றார். அதே டேட்டாவை அட்டவணையில் போட்டபோது, ​​உண்மையான சராசரி 31.7 ஆக இருந்தது. AI ஆனது உரைக்குள் தவறாகக் கணக்கிட்டது; கணக்கை நிரலுக்கு மாற்றும்போது அது சரி செய்யப்பட்டது.

வழக்கு 3 - தேர்வுத் தேர்வு தெளிவுபடுத்தப்பட்டது. ஒரு குழு இரண்டு குழுக்களின் சராசரி மதிப்பெண்ணை ஒப்பிட்டுப் பார்க்க விரும்பியது ஆனால் எந்தச் சோதனையைப் பயன்படுத்துவது என்று தெரியவில்லை. t-test (இரண்டு குழுக்களின் வழிமுறைகளுக்கு இடையிலான வேறுபாடு சீரற்றதா என்பதைச் சோதிக்கும் சோதனை) "இரண்டு சுயாதீன குழுக்களுக்கு, ஒரு தொடர்ச்சியான மாறி" பொருத்தமானது என்று YZ விளக்கினார், அவருடைய அனுமானங்களை பட்டியலிட்டார், மேலும் குறியீட்டின் வரைவை வழங்கினார். குழு நிரலில் சோதனையை நடத்தி முடிவை விளக்கியது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) சர்வே கேள்வி தணிக்கை:

கீழே உள்ள சர்வே கேள்விகளை மதிப்பாய்வு செய்யவும். ஒவ்வொரு கேள்வியையும் சரிபார்க்கவும்: இது முன்னணியில் உள்ளதா, இது இரட்டைக் கேள்வியா (ஒரு கேள்வியில் இரண்டு விஷயங்கள்), தெளிவற்றதா, பதில் விருப்பங்கள் ஒன்றுடன் ஒன்று உள்ளதா/காணவில்லையா? சிக்கலையும் சிறந்த பதிப்பையும் அருகருகே கொடுங்கள். அளவு திசை சீராக உள்ளதா என சரிபார்க்கவும். கேள்விகள்: [இங்கே]

2) கருத்து-கேள்வி மேப்பிங் அட்டவணை:

எனது ஆராய்ச்சி கேள்வி: [கேள்வி]. எனது முக்கிய கருத்துக்கள்: [பட்டியல்]. பின்வரும் கணக்கெடுப்பு கேள்விகளை அட்டவணையில் வரிசைப்படுத்துங்கள்: ஒவ்வொரு கேள்வியும் எந்த கருத்தை அளவிடுகிறது? எந்தக் கருத்தோடும் இணைக்கப்படாத கேள்விகள் ("கூடுதல்") மற்றும் கேள்விகள் இல்லாத கருத்துக்களைக் குறிக்கவும் ("சும்மா"). கருத்துக்கணிப்பு: [இங்கே]

3) தரவு சுத்தம் செய்யும் திட்டம் (குறியீடு வரைவு):

பின்வரும் மாறிகள் கொண்ட கணக்கெடுப்பு தரவுத்தொகுப்பு என்னிடம் உள்ளது: [மாறிகள்]. [R/Python] க்கான கருத்து வரிகளுடன் தரவுச் சுத்திகரிப்பு சரிபார்ப்புப் பட்டியல் மற்றும் குறியீடு வரைவைக் கொடுங்கள்: விடுபட்ட தரவு, அவுட்லையர்கள், நகல் பதிவுகள், சீரற்ற குறியீட்டு முறை. நான் குறியீட்டை இயக்கி வெளியீட்டைச் சரிபார்ப்பேன்; கணிதம் செய்யாதே.

4) புள்ளியியல் கருத்து (நான் கணக்கீடு செய்தேன்):

நான் ஒரு [சோதனை பெயர்] ஓடி, பின்வரும் வெளியீட்டைப் பெற்றேன்: [அவுட்புட்]. இந்த முடிவை எளிய மொழியில் விளக்கவும்: நடைமுறையில் என்ன அர்த்தம், புள்ளிவிவர முக்கியத்துவம் மற்றும் நடைமுறை முக்கியத்துவம் ஆகியவற்றை வேறுபடுத்தி, எந்த அனுமானங்களை சரிபார்க்க வேண்டும் என்பதை உங்களுக்கு நினைவூட்டுங்கள். முடிவை மிகைப்படுத்தாதீர்கள்; உங்கள் வரம்புகளையும் சொல்லுங்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்தத் தரவில் உள்ள குழுக்களின் வழிமுறைகளைக் கணக்கிட்டு, எது உயர்ந்தது என்பதைக் கூறவும். [500 வரி தரவு]

AI உரைக்குள் கணக்கிட முயற்சிக்கிறது மற்றும் தவறான எண்களை உருவாக்கலாம். மேலும், புள்ளியியல் சோதனை இல்லாமல் "குறிப்பிடத்தக்க வித்தியாசம் உள்ளதா" என்ற கேள்விக்கு பதிலளிப்பது நம்பகத்தன்மையற்றது.

சக்திவாய்ந்த தூண்டுதல்:

நான் இரண்டு குழுக்களின் மதிப்பெண்களை ஒப்பிட விரும்புகிறேன்: ஒரு தொடர்ச்சியான மாறி, இரண்டு சுயாதீன குழுக்கள். (1) எந்த புள்ளியியல் சோதனை பொருத்தமானது மற்றும் ஏன்? (2) அதன் அனுமானங்கள் என்ன? (3) [R/Python] க்கான கருத்துக் குறியீடு வரைவு. நான் நிரலில் கணக்கீடு செய்வேன்; நீங்கள் முறை மற்றும் குறியீட்டை மட்டும் கொடுங்கள், எண்களை உருவாக்க வேண்டாம்.

வித்தியாசம்: AI ஆனது நம்பமுடியாத கால்குலேட்டராகப் பயன்படுத்தப்படுவதில்லை, ஆனால் நம்பகமான முறை ஆலோசகராகப் பயன்படுத்தப்படுகிறது.

அளவு பணிகளில் தொழிலாளர் பிரிவு

தேடுதல்

AI பாதுகாப்பானதா?

எப்படி பயன்படுத்துவது

கேள்வி வடிவமைப்பு தணிக்கை

ஆம்

பொறிகளைக் குறிக்கும்

அளவிலான நிலைத்தன்மை

ஆம்

சரிபார்ப்பு பட்டியல்

தரவு அழிக்கும் குறியீடு

ஆம் (வரைவு)

நீங்கள் குறியீட்டை இயக்கவும்

உரையில் கணக்கு

இல்லை

ஒருபோதும் நம்பாதே

தேர்வு தேர்வு

ஆம்

முறையை விளக்குங்கள்

முடிவான கருத்து

ஆம் (ஆதரவு)

தீர்ப்பளிப்பது உங்களுடையது

பொதுவான தவறுகள்

• AI ஆல் உருவாக்கப்பட்ட எண்ணை நேரடியாகப் பயன்படுத்துதல். எண்கணிதத்தில் மொழி மாதிரி தவறு; நிரலில் கணக்கீடு செய்யுங்கள்.
• ஒரு முன்னணி கேள்வியை வைக்கிறது. உரிச்சொற்கள் மற்றும் அனுமானங்கள் பதிலை சிதைக்கின்றன.
• புள்ளியியல் முக்கியத்துவத்தையும் நடைமுறை முக்கியத்துவத்தையும் குழப்புகிறது. "குறிப்பிடத்தக்கது" என்பது ஒரு சிறிய வித்தியாசமாக கூட இருக்கலாம்; அளவைப் பாருங்கள்.
• அனுமானங்களைத் தவிர்த்தல். ஒவ்வொரு சோதனைக்கும் முன்நிபந்தனைகள் உள்ளன; சரிபார்க்காமல் கருத்து தெரிவிக்க வேண்டாம்.
• கூடுதல் கேள்விகளைக் கேட்பது. ஒவ்வொரு கணக்கெடுப்பு கேள்வியும் ஒரு கருத்துடன் இணைக்கப்பட வேண்டும்; மீதமுள்ளவை தரவை உயர்த்துகிறது.

சுருக்கமாக

அளவு ஆராய்ச்சியில் AI; கணக்கெடுப்பு கேள்விகள், கருத்து-கேள்வி மேப்பிங், தரவு சுத்திகரிப்பு மற்றும் பகுப்பாய்வு குறியீட்டை வரைதல் மற்றும் எளிய மொழியில் முடிவை விளக்குவதில் அவர் ஒரு வலுவான ஆலோசகராக உள்ளார். ஆனால் உண்மையான கணக்கீடு செய்ய AI ஐ ஒருபோதும் அனுமதிக்காதீர்கள்; மொழி மாதிரி ஒரு கால்குலேட்டர் அல்ல. நீங்கள் சோதனையைத் தேர்வு செய்கிறீர்கள், ஆனால் நீங்கள் அதை நிரலில் இயக்குகிறீர்கள், வெளியீட்டைப் படிக்கிறீர்கள் மற்றும் புள்ளிவிவர முக்கியத்துவம் மற்றும் நடைமுறை முக்கியத்துவம் ஆகியவற்றை வேறுபடுத்திப் பார்க்கிறீர்கள். AI இந்த முறையை வேகப்படுத்துகிறது; பிரச்சினை மற்றும் கருத்துக்கான பொறுப்பு உங்களுடையது.

விண்ணப்ப பணி

10 கேள்விகளுடன் வரைவு கணக்கெடுப்பை எழுதவும். "வாக்கெடுப்பு கேள்வி தணிக்கை" டெம்ப்ளேட்டுடன் AI கொடியை வைத்திருங்கள் மற்றும் முன்னணி, நகல் மற்றும் தெளிவற்ற கேள்விகளை சரிசெய்யவும். பின்னர் ஒரு சிறிய மாதிரி தரவு தொகுப்பை (20-30 வரிசைகள்) உருவாக்கி, ஒரு விரிதாள் திட்டத்தில் உண்மையான சராசரி மற்றும் சதவீதங்களைக் கணக்கிடுங்கள்; AIக்கு அதே தரவை உரையாகக் கொடுத்து, அதன் விளைவாக வரும் எண்களுடன் ஒப்பிட்டு வேறுபாட்டைப் புகாரளிக்கவும். இறுதியாக, "புள்ளிவிவர விளக்கம்" டெம்ப்ளேட்டுடன் ஒரு சோதனை வெளியீட்டை விளக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] ஒவ்வொரு கணக்கெடுப்பு கேள்வியையும் ஒரு கருத்துடன் இணைத்தேன்.
• [ ] நான் முன்னணி, இரட்டை மற்றும் தெளிவற்ற கேள்விகளை நீக்கிவிட்டேன்.
• [ ] நான் புள்ளிவிவர திட்டத்தில் உண்மையான கணக்கீடு செய்தேன், AI அல்ல.
• [ ] நான் சோதனை அனுமானங்களைச் சரிபார்த்தேன்.
• [ ] நான் புள்ளிவிவர முக்கியத்துவத்தை நடைமுறை முக்கியத்துவத்திலிருந்து வேறுபடுத்தினேன்.